将名称中带有日期的列转换为Python中的单独行答案

【问题标题】：Converting columns with date in names to separate rows in Python将名称中带有日期的列转换为Python中的单独行
【发布时间】：2019-11-08 13:42:58
【问题描述】：

我已经收到this question in R 的答复，想知道如何在 Python 中实现。

假设我们有一个这样的 pandas DataFrame：

import pandas as pd
d = pd.DataFrame({'2019Q1':[1], '2019Q2':[2], '2019Q3':[3]})

显示如下：

   2019Q1  2019Q2  2019Q3
0       1       2       3

我怎样才能把它变成这样：

Year    Quarter    Value
2019    1          1
2019    2          2
2019    3          3

【问题讨论】：

标签： python pandas data-transform

【解决方案1】：

将Series.str.split 用于MultiIndex 和expand=True，然后通过DataFrame.unstack 进行整形，最后使用Series.reset_index 和Series.rename_axis 进行数据清理：

d = pd.DataFrame({'2019Q1':[1], '2019Q2':[2], '2019Q3':[3]})

d.columns = d.columns.str.split('Q', expand=True)
df = (d.unstack(0)
       .reset_index(level=2, drop=True)
       .rename_axis(('Year','Quarter'))
       .reset_index(name='Value'))
print (df)
   Year Quarter  Value
0  2019       1      1
1  2019       2      2
2  2019       3      3

感谢@Jon Clements 提供另一个解决方案：

df = (d.melt()
       .variable
       .str.extract('(?P<Year>\d{4})Q(?P<Quarter>\d)')
       .assign(Value=d.T.values.flatten()))
print (df)
   Year Quarter  Value
0  2019       1      1
1  2019       2      2
2  2019       3      3

替代split:

df = (d.melt()
       .variable
       .str.split('Q', expand=True)
       .rename(columns={0:'Year',1:'Quarter'})
       .assign(Value=d.T.values.flatten()))
print (df)
   Year Quarter  Value
0  2019       1      1
1  2019       2      2
2  2019       3      3

【讨论】：

不完全确定，因为它需要测试，但类似：df.melt().variable.str.extract(r'(?P<Year>\d{4})Q(?P<Quarter>\d)').assign(Value=df.values.T) 应该可以解决问题...
好的...快速完成了上述操作，我认为：df.melt().variable.str.extract('(?P<Year>\d{4})Q(?P<Quarter>\d)').assign(Value=df.values.flatten()) 应该这样做:)
（这样可以扩展到 > 1 行）
@JonClements - 谢谢，在展平之前也需要转置 - d = pd.DataFrame({'2019Q1':[1,8], '2019Q2':[2,9], '2019Q3':[3,0]})

【解决方案2】：

将DataFrame.stack 与DataFrame.pop 和Series.str.split 一起使用：

df = d.stack().reset_index(level=1).rename(columns={0:'Value'})
df[['Year', 'Quarter']] = df.pop('level_1').str.split('Q', expand=True)

   Value  Year Quarter
0      1  2019       1
0      2  2019       2
0      3  2019       3

如果您关心列的顺序，请使用reindex：

df = df.reindex(['Year', 'Quarter', 'Value'], axis=1)

   Year Quarter  Value
0  2019       1      1
0  2019       2      2
0  2019       3      3

【讨论】：